Pit.legend()

`plt.legend()` 是Matplotlib库中用于添加图例的函数，用于为图形添加标签或说明。在绘制带有多个数据系列的图形时，使用图例可以帮助阅读者更好地理解数据。具体用法如下：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')
plt.legend()
plt.show()

输出结果如下：


其中，`plt.plot(x, y1, label='sin(x)')` 和 `plt.plot(x, y2, label='cos(x)')` 分别绘制了 $y=\sin(x)$ 和 $y=\cos(x)$ 的图像，并给每个图像添加了标签。`plt.legend()` 函数在这里用于显示每个图像对应的标签，从而帮助我们更好地理解数据。

相关问题

課題：散布図 ・1~12の乱数(小数点数、random. uniform)を100個作成、それを★ の朝のデータとして利用 • random. uniform (1, 12) ・10～20の範囲の乱数（小数点数）を100個作成、それを軸yのデータと して利用 • random. uniform (10, 20) ・作成されたデータを利用し、散布図を作成 • plt. scatter (listx, listy ) ・散布図を凡例に「飲料水の売り上げ」を表示させる ・pit. scatter (listx, listy, label =“飲料水の売り上げり • pit. legend ();

ご質問ありがとうございます。これはPythonのmatplotlibを使って散布図を作成する方法についての質問ですね。

以下は、上記の要件に従って、Pythonで散布図を作成するためのコード例です。

import random
import matplotlib.pyplot as plt

# x軸のデータを作成する
listx = [random.uniform(1, 12) for i in range(100)]

# y軸のデータを作成する
listy = [random.uniform(10, 20) for i in range(100)]

# 散布図を作成する
plt.scatter(listx, listy, label="飲料水の売り上げ")

# 凡例を表示する
plt.legend()

# グラフを表示する
plt.show()

このコードでは、まずrandom.uniform()を使ってx軸とy軸のデータを作成します。その後、plt.scatter()を使って散布図を作成し、凡例を表示するためにplt.legend()を使います。最後に、plt.show()を使ってグラフを表示します。

これで、散布図が作成され、凡例に「飲料水の売り上げ」が表示されるはずです。ご参考になれば幸いです。

1r_11 = LogisticRegression (C=C, solver=' liblinear' penalty="11", max_iter=5000). fit (x_ train, y_train) print ("Training accuracy of 11 logree with C=(:. 3r]: (:.2f]". format ( C, 1r_11. score (X_train, y_train))) print ("Test accuracy of 11 logreg with C=(:.3f]: (:. 2f)". format ( C, Ir_11. score (X_test, y_test))) plt. plot (lr_11. coef_. T, marker, label="C=(: 3f]". format (C)) plt. sticks (range (cancer. data. shape[1]), cancer. feature_names, rotation=90) xlims = plt. xlim( pit. hlines (0, xlims[0], xlims[1]) plt. xlim (xlims) plt. label ("Feature") plt. ylabel ("Coefficient magnitude") pit. ylim(-5, 5) plt. legend (10c=3)修改代码

以下是修改后的代码：

lr_11 = LogisticRegression(C=C, solver='liblinear', penalty="l1", max_iter=5000).fit(X_train, y_train)
print("Training accuracy of l1 logreg with C={:.3f}: {:.2f}".format(C, lr_11.score(X_train, y_train)))
print("Test accuracy of l1 logreg with C={:.3f}: {:.2f}".format(C, lr_11.score(X_test, y_test)))

plt.plot(lr_11.coef_.T, marker='o', label="C={:.3f}".format(C))
plt.xticks(range(cancer.data.shape[1]), cancer.feature_names, rotation=90)
xlims = plt.xlim()
plt.hlines(0, xlims[0], xlims[1])
plt.xlim(xlims)
plt.xlabel("Feature")
plt.ylabel("Coefficient magnitude")
plt.ylim(-5, 5)
plt.legend(loc='best')

主要修改包括：

1. 将 penalty 参数的取值改为 "l1"，表示使用 L1 正则化。
2. 将 marker 参数的取值改为 'o'，表示使用圆圈作为标记。
3. 将 plt.sticks 修改为 plt.xticks，因为 plt.sticks 不存在。
4. 将 plt.label 修改为 plt.xlabel，因为 plt.label 不存在。
5. 将 plt.legend 修改为 plt.legend(loc='best')，增加了定位参数。